資源描述：
《動(dòng)態(tài)場景中目標(biāo)跟蹤的遮擋處理與研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、動(dòng)態(tài)場景中目標(biāo)跟蹤的遮擋處理與研究肖馳2016年1月中圖分類號：TP181UDC分類號：004.8動(dòng)態(tài)場景中目標(biāo)跟蹤的遮擋處理與研究作者姓名肖馳學(xué)院名稱自動(dòng)化學(xué)院指導(dǎo)教師陳文頡副教授答辯委員會主席龔至豪教授申請學(xué)位工學(xué)碩士學(xué)科專業(yè)控制科學(xué)與工程學(xué)位授予單位北京理工大學(xué)論文答辯日期2016年1月TheOcclusionHandlingandResearchofObjectTrackinginDynamicScenesCandidateName：ChiXiaoSchoolorDepartment:SchoolofAuto
2、mationFacultyMentor:Prof.WenjieChenChair,ThesisCommittee：Prof.ZhihaoGongDegreeApplied:MasterofEngineeringMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January,2016研究成果聲明本人鄭重聲明：所提交的學(xué)位論文是我本人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作獲得的研究成果。盡我所知，文中
3、除特別標(biāo)注和致謝的地方外，學(xué)位論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京理工大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料。與我一同工作的合作者對此研究工作所做的任何貢獻(xiàn)均已在學(xué)位論文中作了明確的說明并表示了謝意。特此申明。簽名：日期：北京理工大學(xué)碩士學(xué)位論文摘要視頻序列中的目標(biāo)跟蹤一直是計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)重要組成部分，而目標(biāo)遮擋是視頻跟蹤中普遍存在的問題，能否有效解決遮擋問題，對于提高跟蹤算法的穩(wěn)定性與魯棒性有著重要的意義。本文結(jié)合當(dāng)前流行的深度學(xué)習(xí)以及稀疏表示理論知識，針對目標(biāo)跟蹤中的遮
4、擋問題提出了新的跟蹤方法，通過跟蹤算法的評估平臺對本文提出的算法進(jìn)行定量分析，并在視覺云臺上完成實(shí)時(shí)目標(biāo)跟蹤與評估。本文主要研究工作如下：在深度學(xué)習(xí)的理論基礎(chǔ)上，提出了一種基于棧式稀疏自編碼器（SSAE）的目標(biāo)跟蹤算法。該算法先通過逐層貪婪訓(xùn)練法對SSAE以及Logistic分類器進(jìn)行預(yù)訓(xùn)練，然后采用自頂向下的反向傳播對整體網(wǎng)絡(luò)進(jìn)行微調(diào)。隨后在粒子濾波的框架中，通過非監(jiān)督訓(xùn)練提取粒子的特征，使用Logistic分類器選取置信度最高的粒子作為跟蹤結(jié)果，實(shí)現(xiàn)了跟蹤的魯棒性?；谙∈璞硎九c粒子濾波理論，提出了基于分塊稀疏表
5、示與HSV顏色直方圖的跟蹤算法。首先通過字典學(xué)習(xí)法從第一幀中獲取字典，隨后融合分塊稀疏特征與HSV顏色直方圖特征，使其同時(shí)具備局部特征與全局特征，并選取似然觀測值最大的粒子作為跟蹤結(jié)果。在跟蹤過程中對嚴(yán)重遮擋情況進(jìn)行了有效處理，并采取了實(shí)用的模板更新方法，提高了遮擋環(huán)境下跟蹤的魯棒性。通過跟蹤算法評估系統(tǒng)對所提出的算法以及其他優(yōu)秀算法進(jìn)行定量評估。結(jié)果表明：與當(dāng)前流行的算法相比，本文提出的兩種跟蹤算法有明顯的優(yōu)勢，在遮擋環(huán)境下均可以實(shí)現(xiàn)魯棒跟蹤。其中基于分塊稀疏表示與HSV顏色直方圖的跟蹤算法有著更低的中心偏移誤差和
6、更快的跟蹤速度，而在跟蹤成功率上，本文提出的兩種算法均表現(xiàn)優(yōu)異。在文章的最后介紹了視覺云臺跟蹤系統(tǒng)，并將文中提出的基于分塊稀疏表示與HSV顏色直方圖的跟蹤算法和其他算法應(yīng)用于視覺云臺的實(shí)時(shí)跟蹤測試。測試結(jié)果表明：本文算法在實(shí)時(shí)跟蹤中較其他算法有著更好的表現(xiàn)，在遮擋環(huán)境下可實(shí)現(xiàn)穩(wěn)定的魯棒跟蹤，更適用于非快速運(yùn)動(dòng)物體的跟蹤。關(guān)鍵詞：目標(biāo)跟蹤；遮擋處理；稀疏表示；深度學(xué)習(xí)；算法評估。I北京理工大學(xué)碩士學(xué)位論文AbstractObjecttrackinginvideosequencesisoneoftheimportantr
7、esearchdirectionsinthefieldofcomputervision.However,targetocclusionisacommonbutdifficultprobleminvideotracking.Whethertargetocclusioncouldbesolvedefficientlyornotisplayinganimportantroleinimprovingtheaccuracyandrobustnessoftargettrackingalgorithm.Aimingattheocc
8、lusionproblemintargettracking,twotrackingmethodsareproposedbyincorporatingsparserepresentationanddeeplearninginthispaper.Thequantitativeanalysisoftheproposedalgorithmsarecar
